سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 933

This Paper With 10 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

FETCONF01_113

Index date: 2 August 2017

بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی abstract

برای لبه یابی تصاویر دیجیتال روشها و الگوریتم های مختلفی وجود دارد. یکی از این روشها که در سالیان اخیر توجه زیادی را به خودش جلب کرده است، استفاده از الگوریتم بهینه سازی اجتماع مورچه ACO میباشد. روش لبه یابی بر اساس ACO قادر به ایجاد یک ماتریس فرومون است که اطلاعات لبه ی موجود در هر موقعیت پیکسل لبه را بر اساس حرکات تعدادی از مورچه ها که برای حرکت روی تصویر ایجاد می شوند. علاوه بر این، حرکات این مورچه ها از طریق نوسانات محلی مقدارهای شدت تصویر به منظور ایجاد ماتریس فرومون که اطلاعات لبه را در هر پیکسل تصویر نشان میدهد، ایجاد میشود. اهداف روش لبه یابی تصویر بر اساس ACO استفاده کردن از تعدادی مورچه به منظور راه رفتن روی تصویر 2-D برای ساختن ماتریس فرومون است. ورود هر یک از اطلاعات لبه در هر پیکسل مکان تصویر را نشان میدهد. تصاویر لبه یابی شده ی حاصل از الگوریتم های کلاسیک از کیفیت پایینی برخوردار است و اعمال این ماسک ها به تصاویر لبه یابی حاصل از ACO نتیجه ی مطلوبی در بر ندارد. در این مقاله روش های لبه یابی تصاویر بررسی شده و نتایج حاصل از شبیه سازی آنها بر روی تصاویر پزشکی با لبه یابی توسط الگوریتم بهینه سازی اجتماع مورچگان مقایسه شده است. لبه یابی توسط الگوریتم مورچگان دقت بهتری نسبت به لبه یابهای کلاسیک در تصاویر پزشکی دارد.

بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی Keywords:

پردازش تصویر , الگوریتم های لبه بابی کلاسیک , لبه یابی تصاویر پزشکی , الگوریتم بهینه سازی اجتماع مورچگان

بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی authors

نجمه دامغانی

دانشگاه آزاد اسلامی واحد بم

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
دامغانی، نجمه، 1392، بهینه‌سازی چند هدفه استخراج لبه‌های تصاویر پزشکی ...
Aslam, Asra. Khan, Ekram. Beg, MM Sufyan. (2015). Mu lti-threading ...
Dorigo, Marco. and Gambardella, Luca. Maria (1997). Ant colony system: ...
Dorigo, Marco. Maniezzo, Vittorio. and Colorni, Alberto. (1996). Ant system: ...
Maini, Raman. and Sohal, J.s. (2006). Performance evaluation of Prewitt ...
Pereira, Carla. Gongalves, Luis. and Ferreira, Manuel. (2103). Optic disc ...
Tian, Jing. Yu, Weiyu. and Xie, Shengli. (2008) An ant ...
نمایش کامل مراجع

مقاله فارسی "بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی" توسط نجمه دامغانی، دانشگاه آزاد اسلامی واحد بم نوشته شده و در سال 1395 پس از تایید کمیته علمی اولین کنفرانس ملی آینده مهندسی و تکنولوژی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پردازش تصویر، الگوریتم های لبه بابی کلاسیک، لبه یابی تصاویر پزشکی، الگوریتم بهینه سازی اجتماع مورچگان هستند. این مقاله در تاریخ 11 مرداد 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 933 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که برای لبه یابی تصاویر دیجیتال روشها و الگوریتم های مختلفی وجود دارد. یکی از این روشها که در سالیان اخیر توجه زیادی را به خودش جلب کرده است، استفاده از الگوریتم بهینه سازی اجتماع مورچه ACO میباشد. روش لبه یابی بر اساس ACO قادر به ایجاد یک ماتریس فرومون است که اطلاعات لبه ی موجود در هر موقعیت پیکسل لبه ... . این مقاله در دسته بندی موضوعی پردازش تصویر طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.